本文へ移動
localllm
EN

joeygambino

MiniMax-H3-encoder

その他の用途

パラメータ数
32.8B
最大コンテキスト長
262,144
アーキテクチャ
qwen3vl
ライセンス
条件付き
元モデル
MiniMaxAI/MiniMax-H3
llama.cpp
b6887+

MiniMax-H3-encoder の概要

MiniMax-H3-encoder は、Hugging Face の MiniMaxAI/MiniMax-H3 をもとにした GGUF 形式のモデルです。GGUF は joeygambino/MiniMax-H3-encoder-GGUF が公開しています。パラメータ数は約 32.8B（328億）、アーキテクチャは qwen3vl、最大コンテキスト長は 262,144 トークンです（GGUF に書かれた値）。

量子化は 2 種類あり、ファイルサイズは Q4_K_M の 19.8 GB から Q5_K_M の 23.2 GB まであります（Hugging Face 上の実際のサイズ）。

Q4_K_M（19.8 GB）を 8,192 トークンのコンテキストで動かすときの必要メモリは推定 23.0 GB、32,768 トークンでは推定 29.4 GBです。8,192 トークンなら、VRAM 24 GB 以上の GPU（GeForce RTX 3090 Ti・GeForce RTX 4090 など）か、統合メモリ 24 GB 以上の Mac が目安です（macOS は GPU が使えるメモリに上限があるため、実際には余裕が要ります）。

元のモデルのライセンスは MiniMax H3 Community License Agreement で、商用利用には規模・用途などの条件があります。利用条件は原文で確認してください。画像入力用の mmproj ファイルも公開されています。

量子化ごとのファイルサイズと必要メモリの目安

  • 8 GB まで
  • 16 GB まで
  • 24 GB まで
  • 48 GB まで
  • 128 GB まで
  • それ以上

ファイルサイズは Hugging Face 上の実際の値です。必要メモリはコンテキスト長ごとの推定値（KVキャッシュ f16）。計算式は 必要メモリの計算方法で公開しています。

必要メモリはすべて 推定 （KVキャッシュ f16）。このページの「必要メモリ」以上の VRAM（または Mac の統合メモリ）を持つ環境で動作する見込みです。数値をクリックすると、その容量で動く機種・モデルの一覧（GPU・Macで探す）に移動します。

画像入力を使う場合：このモデルは画像入力に対応しています。画像を使うときは、追加で mmproj ファイルも読み込みます。

「品質の目安」について（量子化でどれだけ元のモデルからずれるか）

量子化の型ごとに、元のモデルの出力からどれだけずれるかを、llama.cpp が Llama-3-8B で測った値から6段階に分けたものです。

使っている値は平均 KLD（元のモデルと量子化したモデルの、次の単語の確率の分布の差）で、小さいほど元のモデルに近い出力になります。imatrix（重要度の情報）を使って量子化したものは少し小さくなります。段階は、imatrix を使わない値（無い型は使った値）で分けています。

★このモデルで測った値ではありません。モデルが大きいほど、また MoE のモデルほど、同じ型でもずれは小さくなりやすいです。配布元独自の混合型（UD-Q4_K_XL など）は型の名前だけでは当てはめられないので「-」にしています。

量子化 品質の目安 KLD（imatrix なし） KLD（imatrix あり） サイズ（Llama-3-8B）
Q8_0 ほぼ同じ 0.0014 - 7.96 GiB
Q6_K ごく小さい 0.0055 - 6.14 GiB
Q5_K_M ごく小さい 0.0108 - 5.33 GiB
Q5_K_S 小さい 0.0166 - 5.21 GiB
Q5_1 小さい 0.0180 - 5.65 GiB
Q5_0 小さい 0.0222 - 5.21 GiB
Q4_K_M 小さい 0.0313 0.0282 4.58 GiB
Q4_K_S 中くらい 0.0431 0.0320 4.37 GiB
IQ4_NL 小さい - 0.0357 4.35 GiB
IQ4_XS 小さい - 0.0363 4.14 GiB
Q4_1 中くらい 0.0717 - 4.78 GiB
Q4_0 中くらい 0.0719 - 4.34 GiB
Q3_K_L 中くらい 0.0872 0.0731 4.03 GiB
Q3_K_M 中くらい 0.1019 0.0844 3.74 GiB
IQ3_M 中くらい - 0.1025 3.53 GiB
IQ3_S 中くらい - 0.1113 3.42 GiB
IQ3_XS 大きい - 0.1387 3.28 GiB
IQ3_XXS 大きい - 0.1836 3.05 GiB
Q3_K_S 大きい 0.2282 0.1998 3.41 GiB
IQ2_M 大きい - 0.3260 2.74 GiB
Q2_K とても大きい 0.4451 0.3322 2.96 GiB
Q2_K_S とても大きい - 0.4034 2.96 GiB
IQ2_S とても大きい - 0.4392 2.56 GiB
IQ2_XS とても大きい - 0.5463 2.43 GiB
IQ2_XXS とても大きい - 0.8120 2.24 GiB
IQ1_M とても大きい - 1.3931 2.01 GiB
IQ1_S とても大きい - 2.2546 1.88 GiB

出典：llama.cpp（MIT）、Llama-3-8B・FP16 を基準・Wikitext-2・revision f364eb6f の測定。 元の表 · 量子化の読み方と選び方

GGUF配布元

joeygambino/MiniMax-H3-encoder-GGUF

元の開発元が配布 この表示について

最終確認：2026年11月11日

アーキテクチャ
qwen3vl
llama.cpp b6887 以降
パラメータ数
32.8B
最大コンテキスト長
262,144
ライセンス
minimax-h3-community-license-agreement 条件付き
MiniMax-H3-encoder（joeygambino/MiniMax-H3-encoder-GGUF）の量子化ごとのファイルサイズと必要メモリ
量子化 ファイルサイズ 実測 品質の目安 4,096 8,192 16,384 32,768 65,536 131,072 262,144 最大
Q4_K_M 19.8 GB 小さい 21.9 GB 23.0 GB 25.1 GB 29.4 GB 38.0 GB 55.2 GB 89.6 GB
Q5_K_M 23.2 GB ごく小さい 25.4 GB 26.4 GB 28.6 GB 32.9 GB 41.5 GB 58.6 GB 93.0 GB

画像入力用の mmproj（F16）は 1.20 GB 実測 。上の必要メモリには含まれていないため、画像を使う場合は別途加算してください。 

Ollama  ollama run hf.co/joeygambino/MiniMax-H3-encoder-GGUF:Q4_K_M
llama.cpp  llama-server -hf joeygambino/MiniMax-H3-encoder-GGUF:Q4_K_M

主な GPU・Mac での生成の速さ（推定）

Q4_K_M（19.8 GB）で文章を生成する速さの目安です。1トークンごとにモデルの重みを1回読むので、上限はメモリの帯域 ÷ ファイルサイズで決まります。目安はその 6〜8 割で、公開されている実測の多くがこの範囲に入ります。

機種 メモリ帯域 目安（トークン/秒） 推定 上限
GeForce RTX 3090 24 GB 936 GB/s 28〜38 47
GeForce RTX 4090 24 GB 1,008 GB/s 31〜41 51
GeForce RTX 5090 32 GB 1,792 GB/s 54〜73 91
Apple M4 32 GB 120 GB/s 3.6〜4.9 6.1
Apple M4 Pro 48 GB 273 GB/s 8.3〜11 14
Apple M5 Ultra 96 GB 1,200 GB/s 36〜49 61

推定です。プロンプトを読み込む速さ（計算の速さで決まる）は含みません。コンテキストが長いほど、また一部を CPU に逃がすと遅くなります。Mac は搭載メモリが必要量の 4/3 以上のものだけを出しています。帯域が公表されていない機種（一部の GeForce など）は出ません。

ライセンスと商用利用

MiniMax H3 Community License Agreement 条件付き

使える地域に制限があります。許諾は世界のうち EU・英国・韓国・米国を除く地域に限られ、その外での使用・複製・改変・配布・表示は認められていません（除外の地域で使いたい場合は MiniMax に連絡します）。商用の製品・サービスの年間の売上が2,000万米ドルを超えるときは事前に書面の許可が要り、商用の製品・サービスの画面に「MiniMax H3」を表示します。このモデルや出力で他の AI モデルを改善することはできず、利用規定（Acceptable Use Policy）を守り、利用者にも同じ制限を課します。

元のモデルの Hugging Face のページにあるライセンスで判定しています。 ライセンスの原文（2026年11月1日 に確認）

要約は当サイトが原文から読み取った事実で、法的な助言ではありません。実際に使う前に、必ずライセンスの原文と最新の条件を確認してください。 ライセンスごとの一覧

動かし方

このモデルの形式（qwen3vl）を llama.cpp の本家が読み込めるのは b6887（2025年10月30日）以降です。Ollama・LM Studio は内部に llama.cpp を取り込んで動くため、アプリが古いと「unknown model architecture」などのエラーで読み込めません。その場合はアプリを最新にしてください。

例として Q4_K_M を使う場合のコマンドです。他の量子化を使う場合は、上の表から量子化名を選んで置き換えてください。 ローカルLLMの動かし方

Ollama

Hugging Face 上の GGUF を直接指定して動かせます。

ollama run hf.co/joeygambino/MiniMax-H3-encoder-GGUF:Q4_K_M

llama.cpp

llama-server（または llama-cli）に -hf でリポジトリと量子化名を指定します。

llama-server -hf joeygambino/MiniMax-H3-encoder-GGUF:Q4_K_M

LM Studio

検索欄に joeygambino/MiniMax-H3-encoder-GGUF を貼り付けてダウンロードし、量子化ファイルの一覧から量子化名を選びます。

よくある質問

MiniMax-H3-encoder（Q4_K_M）を動かすのに必要なメモリはどれくらいですか？
ファイルサイズは19.8 GB（実測）。8,192トークンのコンテキストで動かす場合、KVキャッシュ等を含めた推定必要メモリは23.0 GBです。計算式はhttps://localllm.az-arte.com/ja/guide/memory-calculationで公開しています。
MiniMax-H3-encoderは商用利用できますか？
元のモデルのライセンスはMiniMax H3 Community License Agreement（商用利用は条件付き）。使える地域に制限があります。許諾は世界のうち EU・英国・韓国・米国を除く地域に限られ、その外での使用・複製・改変・配布・表示は認められていません（除外の地域で使いたい場合は MiniMax に連絡します）。商用の製品・サービスの年間の売上が2,000万米ドルを超えるときは事前に書面の許可が要り、商用の製品・サービスの画面に「MiniMax H3」を表示します。このモデルや出力で他の AI モデルを改善することはできず、利用規定（Acceptable Use Policy）を守り、利用者にも同じ制限を課します。最終的な判断はライセンスの原文で確認してください。
MiniMax-H3-encoder は VRAM 8GB・12GB・16GB・24GB で動きますか？
8GB に収まる量子化は無し、12GB に収まる量子化は無し、16GB に収まる量子化は無し、24GB なら Q4_K_M（推定 23.0 GB）まで（8,192 トークン・KV キャッシュ f16 の推定。いちばん多くダウンロードされている配布元のファイル）。
MiniMax-H3-encoder を Ollama で動かすコマンドは？
「ollama run hf.co/joeygambino/MiniMax-H3-encoder-GGUF:Q4_K_M」で、Hugging Face の GGUF をそのまま動かせます。ほかの量子化を使うときは、最後の量子化名を置き換えます。